Gikk gjennom rådatafilene for å finne de klippene som inneholdt fisk. Samlet bilder av både laks og ørret. Vi fant også et verktøy for å annotere bildene og lage datasett i et privat miljø, ettersom vi ikke har lov til å dele rådata med andre eller tredjeparter.
Planla og filmet promovideo.
La en plan for hva vi skulle gjøre når vi får rådataen. Hentet disken med rådata fra posten og fikk oversikt over hva vi hadde å jobbe med.
oppgradert frontend og gjort siden penere og mer brukervennlig. Også lagt til sider for "om oss" og "hvordan bruke" (ikke fungerende atm)
Laget simpelt GUI for modellen med React. Satte opp en struktur for å skille mellom forntend og backend. GUI-et har som funksjon at man kan legge inn en video i mp4 format. Når man trykker "kjør deteksjon" blir videoen analysert av modellen og vil som resultat vise ferdig analysert video i nettleser med boundingboxes rund det modellen mener er laks.
Ingen styling enda, fokus på funksjonalitet.
Vi lagde et script som lar oss legge inn link til videoer eller bilder i filene eller bare fra online (Dette er innebygget i yolo så vi bruker bare model_predict) men det lar oss teste hvor god modellen faktisk er. Vi venter enda på rådataen fra mandalselva men vi har fått melding om at de skal hente det denne uken.
Tenkte det ville være gøy å se modellen sin treningdata og hvordan den registrerte laks under øving, dette var den beste epochen.
Begynte å trene opp modellen, gjorde et par endringer som å trene den opp på GPUen istedet for CPUen og endret tolmodighet, hvor mange epochs osv.
Dette har gjort modellen enormt accurate, iallefall, veldig accurate hvis du bruker lignende data som treningsdataten. I bildet under er et screenshot av modellen som finner laks i et bilde, den kan gjøre det samme med video.
Gikk gjennom hva vi hadde jobbet med siden sist. Funnet noen aktuelle datasett av laks og fisk. Vi satte opp et nytt prosjekt med YOLOv8 og la en plan for å trene opp modellen på datasettene vi fant. Sendte også mail til de som skal sende oss rådataene og fikk oppdatering om at disse burde blir sendt ila neste uke.
Lagde noen enkle wireframes på tavla for UI, for å ha en plan for hvordan det skal se ut med viktigste funksjonene.
Vi tok kontakt med Fredrik Stang om dataene og venter svar akuratt nå. Vi har funnet enn plan om hvordan vi skal gå videre og det er å først og fremst telle antall fisk ved bruk av registreringsbiblotek og lage et script i python som går gjennom disse dataene.
Vi har også tenkt å lage en UI slikt at andre kan bruke programmet lettere men det tar relativt kort tid og er mye "kjedeligere" så det er i backloggen.
Vi har jobbed individuellt utover den siste uken og lært oss forskjellige ting om maskinlæring, nå har vi funnet ut at vi vil bruke YOLO bibloteket til å trene opp AI-en siden den var veldig lett å forstå i forhold til f.eks tensorflow. (Hjelper at den er god med video)
Vi har sendt melding til Hans og skal snart få videoene av fisk som vi må kunne registrere. Til nå er det største problemet at vi må manuelt fortelle AI-en hva som er fisk og ikke.
Lagde en plan for hvordan vi skal angripe problemstillingen vi har fått. Bestemte oss for å sette oss inn i maskinlæring og prøve å sette opp en enkel modell som klarer å skille mellom firkanter, trekanter og sirkler via ferdiglagde datasett fra nett. På denne måten håper vi på å få mer forståelse for hvordan maskinlæring fungerer.
Vi Møtte Hans Stusvik, leder for Mandalselva elveeigarlag, i Mandal der vi fikk gjennomgang av dagens situasjon for laksebestanden i Mandalselva. Vi kjørte opp langs elven og fikk sett på litt av utstyret som blir brukt, samt både laks og ørret. Vi fikk også litt historie om laksebestanden og innblikk i hvordan den blir overvåket i dag.